基于物联网与案例推理的危化品物流应急救援系统

（暨南大学 管理学院，广东 广州 510632）

1 引言

危险化学品物流的安全问题一直受到人们的高度关注。由于危化品自身的特性，如果在运输危化品时发生严重事故，后果将不堪设想。因此，不少学者针对危化品运输的相关问题进行研究，希望减轻危化品事故对社会造成的各种影响。闫利勇等[1]通过对2008年1月～2010年5月我国发生的485起危险化学品公路运输事故进行研究发现：恶劣环境、车辆及其设备的不合格是引发危险化学品运输事故的重要因素。同时他建议应该引入GIS、GPS等技术来对危险化学品的道路安全进行监控。孙伟[2]等通过对比国内外危化品运输服务发现：国内危化品运输缺乏可靠的信息采集手段来对物流各环节中的危化品进行有效的识别，运输各环节信息无法交互。同时他提出运用RFID技术来解决这类问题。邹宗峰[3]等认为，物联网技术应该引入危化品运输过程中，从而能够做到全程监控。上述研究表明了在危化品物流的安全研究中，需要以RFID、GIS、GPS为代表的物联网技术进行协助。因此，研究物联网技术在危化品物流的研究中有一定的实践意义。陈媛[4]等运用RFID和GPS建立了关于危化品物流系统模型。袁续良[5]组建了WebGIS系统，旨在加强对移动中危化品进行监控，并且依此进行了事故模拟和作为预案编制的依据。张令勇[6]集成了GPS/GIS/GPRS来实现对危险品运输车辆的实时监控、事故报警、合理调度、信息发布等功能的车辆监控预警系统。刘琳琳[7]运用RFID、WSN和GIS等物联网技术来建立一个危化品泄露事故仿真系统。上述的研究，将物联网技术运用到危化品运输监控和预警的研究中，具有一定的实践意义。但是，上面的研究还有一些不足的地方，主要有三点：（1）信息来源维度过于单一。在上述研究中，危化品运输的相关信息主要由RFID和GIS/GPS产生，而运输过程中的其他重要信息没有得到有效关注。（2）虽然有学者在设计相关系统的时候尝试引入了其他物联网技术，但结合各种技术的时候仅限于简单叠加[3]，导致各种技术产生的信息系统不能得到有效整合，信息之间的关系也不能体现在系统当中，从而无法有效利用相关信息。（3）重监控，轻救援。上述的研究大都将研究的着眼点放眼于监控危化品运输时的各种信息，或者只利用这些信息作为预警的依据，但这些信息在事故的应急救援中却没有得到利用。

案例推理（Case-based Reasoning，CBR）是人工智能领域中利用过去的经验去来解决当前问题的类比方法。因为CBR可以抽取隐含在应急事故处置行为里面的知识，并且可以快速重用过去的历史经验制定出解决方案，适合于信息不完全以及约束条件比较多的领域求解[8]。而案例推理中使用的框架数据结构既可以表示事物的属性，又可以表示事物的相互间的关系[9]。同时，案例推理在处理危化品储存[10]、运输[11]和救援[12]方面都表现较强的适用性。

针对现今物联网在危化品物流救援中的局限以及鉴于案例推理在处理应急事故的适用性，本文以物联网在危化品物流的相关技术为基础，结合案例推理在数据结构化和救援方案生成的功能，提出一个基于物联网和案例推理危化品物流应急救援系统的系统框架，并展开对该系统相关关键技术的研究。

2 基于物联网与案例推理的应急救援系统的系统框架

基于物联网与案例推理的应急救援系统的框架如图1所示，该框架主要分为三个层次，分别为信息收集层、信息整合层和信息利用层。

图1 基于物联网与CBR的应急救援系统的系统框架

信息收集层主要用于实现提取多维度信息的目标，通过在危化品物流运输工具上设置各物联网技术终端（RFID、WSN、GIS、遥感等），收集关于运输过程中和事故发生后的运输工具状态、危化品状态、危化品容器状态、周边环境状态等信息，结合短距离和长距离网络传输，将危化品的实时信息传输到信息整合模块中。信息整合层主要是实现危化品状态、事故信息结构化和关系抽取的目标，针对从不同类型的物联网传送过多源异构的危化品相关信息，进行相关信息融合，并在此基础上以一定的数据结构组织信息，从而获取实时监控和制定有关救援方案的有效信息。同时信息整合模块在基于这些有效信息的基础上抽取的信息之间的关系。信息利用层主要是实现应急方案生成的目标，依靠从信息整合模块提取的数据关系，组织危化品事故的应急案例，并通过对应急案例库的检索、匹配和案例转换，从而找到适合的应急救援方案。总的来说，信息收集层以物联网的技术为主，信息整合层涉及到物联网和案例推理两个领域，而信息利用层则以案例推理技术为主。

3 基于物联网和CBR的应急救援系统涉及的关键技术

基于物联网与CBR的应急救援系统涉及到计算机、自动化、智能决策等多个领域理论、方法和应用。本文基于物联网与CBR的应急救援系统主要涉及到一下几领域方面的技术：（1）基于物联网的危化品数据收集；（2）多源异构数据整合；（3）危化品应急案例推理。

3.1 基于物联网的危化品数据收集

物联网的数据收集方面的技术包括物联网数据感知技术和物联网数据传输技术。该方面的技术主要对危化品各种状态的感知，并且将其相关数据传输到管理终端方面的技术。

物联网数据感知技术主要依靠各物联网技术终端完成的，在系统中，考虑到全面性和适用性，危化品数据主要由RFID、WSN、GPS和遥感技术进行收集。RFID技术可通过无线电讯号识别特定目标并读写预先写入危化品相关固定属性的数据。WSN可以技术通过由大量静止或移动的物理传感器组成的自组织网络收集危化品以及运输工具动态的数据。GPS通过卫星定位关于运输工具的位置、速度等信息。遥感技术同样使用传感器检测物体的电磁波的辐射、反射特性，从而收集运输工具的周边环境和事故发生后环境变化的数据。

物联网传感器的传输距离有限，同时其实现远距离多跳的成本较大[13]。因此本系统需要传输的物联网数据分成两个阶段：近距离传输和远距离传输。在短距离物联网数据传输中的Zigbee网络，Zigbee网络是一种短距离的通信技术，它具有低成本、低能耗、低速率等特点，在物联网领域有着非常强的可用性。而数据的长距离运输将使用3G网络，3G网络可以进行长距离高速运输，同时3G网络可以广泛地布置在移动设备中。从不同终端的危化品物联网数据通过Zigebee网络传送到运输工具终端的Zigbee模块中，这些数据将从运输工具终端利用3G网络传输到下一个模块的管理终端。

3.2 多源异构物的数据整合

危化品的各种数据需要用不同的物联网技术来感知，因此导致从物联网终端传送过来的数据是散乱异构的。为了有效地找出数据之中的关系，从而有效地利用这些数据，需要相关的数据融合技术、数据结构化技术和数据约简技术。

由于物联网技术终端采集的目标内容不同，所感知的物体不同等原因，从物联网传送过来的数据是多源异构的，导致这些信息的表示方式、语义等不一致[14]。为了更有效地处理数据，在进数据结构化之前需要进行信息融合。针对此阶段的数据仍属于物联网技术的原始数据，所以本系统使用数据级别的融合技术。考虑到上层应急案例组织和异构数据的统一表达和传输，本系统以XML（可扩展标记语言）为基础来统一表示物联网数据。鉴于XML数据表示和结构的分离性、可扩展性和强描述性等性质，XML可以作为异构数据源的映射框架并以可以成为数据规范模型来处理数据[15]。

对危化品数据进行结构化的操作已经属于案例推理范畴，数据结构化目的是建立数据之间的关系，使杂乱的数据变成有用的信息。案例推理的框架结构可以不同依据（如属性、时间）按照层次关系组织数据，同时框架下的槽值结构和嵌套关系使数据的关系得到全面多方面的揭示。而每个框架组合而成的框架系统可以通过框架的变换表现危化品事故的因果、循环等关系。将危化品的性质、状态作为总的框架，在各个子框架下面是描述各种性质状态的数据。

3.3 案例推理技术

为了有效地利用案例推理进行案例匹配找到适合方案，需要将整合好的数据组织成适合案例推理的案例，并且建立案例库，以案例库为基础进行案例检索，最后转换并应用检索成功的案例，并且进行学习反馈。案例推理的一般步骤为：（1）从案例库检索与新案例相关的案例；（2）修正现有的案例；（3）应用修正后的案例；（4）将案例执行的结果反馈到案例库，进行更新。在该过程中涉及到的技术有案例表示与案例库技术、案例检索技术、案例的修改和学习技术。

案例的表示是案例推理的基础，一个适合的案例表示方法是成功实行案例推理的关键因素。案例的表示既要有效地描述出案例所体现的特征，也必须为案例深层次的处理提供方便。鉴于在数据融合的层次上关于数据的处理手段和上面的两点需求，本系统利用XML作为案例表示的手段。XML具有的强描述性，可用来由异构数据描述应急案例本身及其特征，而且表示案例的时候跟案例结构和处理手段相分离，为应急案例的深层次处理提供了可能。应急案例库是应急案例组织而成，案例库的建设跟应急案例库息息相关。本系统在XML的基础上扩展，使用CBML作为异构应急案例库的表示和信息传输手段。除了具备XML的基本的描述性能之外，CMBL还具备在异构案例推理系统中进行数据传输的作用，使其能够整合不同类型的危化品案例并进行分布式管理和控制。

案例推理中案例的检索功能一直是案例推理系统实现的关键，案例以案例库为基础，以案例中属性的数据为依据利用不同的算法进行检索。现今有不少常用的算法可用于案例匹配，如遗传算法、神经网络、禁忌算法等。但是由于危化品应急案例的属性数据的多元异构性，在进行案例匹配之前，需要对各种异构数据进行集成转换分类，然后依照不同的情况使用特定的算法。检索的策略不仅仅从数据层面上进行匹配，而且要需要挖掘案例的结构层面和层次特征信息。同时检索策略需要是动态的，依照案例执行结果调整检索策略。

应急案例库中的案例储存着由历史积累的危化品应急案例，但因为每次案例发生的具体情况必定有所不同，因此在检索到相关的案例之后必须要依照实际的数据对案例进行修正，从而导出有效的解决方案。案例的修正与实际的案例执行效果紧密联系，通过实际案例的反馈，案例不断地进行修正以及优化。同时这也是一个学习的过程，案例推理处理除了通过与实际的反馈优化案例之外，遇到新案例的时候，案例库会记录新案例的数据和解决方案，然后再通过以后的重复优化来不断优化新案例的解决方案。

4 总结

针对物联网在危化品应急物流中使用的局限，本文提出了基于物联网与案例推理结合的危化品物流应急救援系统的系统框架。在危化品物流应急救援系统的系统框架下，从信息收集、信息整合和信息利用三个层次风险应急救援系统涉及的关键技术。接下来的研究工作将针对危化品应急救援系统框架和关键技术，开发危化品应急救援系统的各模块的子系统，并对各子系统进行整合研究。

[1]闫利勇,陈永光.危险化学品公路运输事故新特点及对策研究[J].中国安全科学学报,2010,6(4):65-70.

[2]孙伟,董耀华.基于RFID技术的剧毒危化品物流服务平台研究[J].中国安全科学学报,2011,(2):147-151.

[3]邹宗峰,张保全.危险化学品道路运输安全管理现状及发展趋势研究[J].中国安全科学学报,2011,21(6):129-134.

[4]陈媛,张静,黄丽丰.基于RFID和GPRS技术的危险品物流系统模型研究[J].包装工程,2008,29(5):78-80.

[5]袁续良.基于WebGIS的可移动危险源监控与事故应急救援研究[D].淮南:安徽理工大学,2009.

[6]张令勇.基于GPS/GPRS/GIS的危险品车辆在途监控预警技术研究[D].淄博:山东理工大学,2010.

[7]刘琳琳.基于物联网的危化品运输泄漏事故仿真系[D].大连:大连理工大学,2012.

[8]袁晓芳.基于情景分析与CBR的非常规突发事件应急决策关键技术研究[D].西安:西安科技大学,2011.

[9]张贤坤.基于案例推理的应急决策方法研究[D].天津:天津大学,2012.

[10]李俊.基于CBR的危险化学品数据库的研究[D].镇江:江苏大学,2009.

[11]Elisabeta C Ania,Yuri Avramenko etc.Selection of Models for Pollutant Transport in River Reaches Using Case Based Reasoning[J].Computer Aided Chemical Engineering,2009,27:537-542.

[12]刘健,谢宏伟,谢振华,等.基于案例推理的化工园区应急救援系统研究[A].2010(沈阳)国际安全科学与技术研讨会论文集[C].2010.

[13]何晓梅.物联网技术在危化品运输中的应用[J].数字通信世界,2012,(3):47-50.

[14]王洪波.物联网信息融合技术及存在的问题研究[J].计算机应用研究,2006,30(8):2 252-2 261.

[15]Samuel R C,Shamkant N.Leo M.XML Schema mapping for heterogeneous database access[J].Information and Software Technology,2002,44(4):251-257.